WO2001052405A2 - Verfahren und vorrichtung zur linearisierung eines hochfrequenz-hochleistungsverstärkers - Google Patents

Verfahren und vorrichtung zur linearisierung eines hochfrequenz-hochleistungsverstärkers Download PDF

Info

Publication number
WO2001052405A2
WO2001052405A2 PCT/DE2001/000050 DE0100050W WO0152405A2 WO 2001052405 A2 WO2001052405 A2 WO 2001052405A2 DE 0100050 W DE0100050 W DE 0100050W WO 0152405 A2 WO0152405 A2 WO 0152405A2
Authority
WO
WIPO (PCT)
Prior art keywords
amplifier
neural network
data
output
modulator
Prior art date
Application number
PCT/DE2001/000050
Other languages
English (en)
French (fr)
Other versions
WO2001052405A3 (de
Inventor
Carsten Ball
Gerrit Buhe
Original Assignee
Siemens Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to US10/181,196 priority Critical patent/US7274749B2/en
Priority to JP2001552515A priority patent/JP2003520478A/ja
Publication of WO2001052405A2 publication Critical patent/WO2001052405A2/de
Publication of WO2001052405A3 publication Critical patent/WO2001052405A3/de

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03F—AMPLIFIERS
    • H03F1/00—Details of amplifiers with only discharge tubes, only semiconductor devices or only unspecified devices as amplifying elements
    • H03F1/34—Negative-feedback-circuit arrangements with or without positive feedback
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03F—AMPLIFIERS
    • H03F1/00—Details of amplifiers with only discharge tubes, only semiconductor devices or only unspecified devices as amplifying elements
    • H03F1/32—Modifications of amplifiers to reduce non-linear distortion
    • H03F1/3241—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits
    • H03F1/3294—Acting on the real and imaginary components of the input signal

Definitions

  • the invention relates to a method and a device for linearizing a high-frequency high-performance amplifier according to the preambles of claims 1 and 5, in particular for mobile radio base stations.
  • Generic HF high-performance amplifiers which, for. B. used in mobile radio base stations, have a curved and therefore strongly non-linear characteristic in the area of large output powers near the 1 dB compression point, whereby signals with large amplitudes are distorted or cut off (AM / AM conversion). In addition, the phase of the emitted signal is also rotated (AM / PM conversion).
  • AM / AM conversion signals with large amplitudes are distorted or cut off
  • AM / PM conversion the phase of the emitted signal is also rotated
  • predistortion or predistortion and has so far been used primarily on the analog level and in the small signal range, but also in the digital baseband. This usually happens rigidly, e.g. B. by using diode characteristics.
  • adaptive predistortion methods are also known, in which the actual transmit signal at the amplifier output is measured to compensate for the current non-linearity of the amplifier characteristic and is compared with the TARGET Transmission signal at the amplifier input is compared.
  • the required predistortion of the input signal can then be determined from the difference on the basis of known mathematical methods (for example by regression, error polynomial, etc.).
  • FIG. 1 schematically shows the structure of a device according to the invention for carrying out the method according to the invention
  • FIG. 2 shows the structure of the neural network implemented in the device according to the invention
  • FIG. 3 shows the inverse amplifier characteristic curve approximated according to the invention by means of a neural network according to FIG. 2;
  • FIG. 4 shows the approximation of the gain characteristic curve itself
  • FIG. 5 shows an example of the distortion of the baseband vectors X to be carried out using the approximated amplifier characteristic; and Figure 6 shows the linearized amplifier characteristic after predistortion.
  • FIG. B The basic structure of a predistortion device according to the invention with a neural network 2 is shown in FIG. B.
  • the neural network 2 approximates the current amplifier characteristic curve or its inverse characteristic curve from the I / Q measurement data supplied by the measuring device 4 at the amplifier output and forms correction values while simultaneously evaluating the I / Q data received from the digital baseband modulator 1. These are fed back via the output line 7 to the digital baseband modulator 1, with the data stream of the digital baseband modulator 1, before it is supplied to the HF high-power amplifier 5 via the D / A converter 8 and the HF modulator 9 Predistorting correction values and in this way compensating for the non-linearity of the characteristic of the HF high-power amplifier 5.
  • Figure 2 shows schematically the structure of the neural network. It comprises an input layer 11, an intermediate layer 12 and an output layer 13 which are cross-linked with weighted edges.
  • the neurons of the input layer 11 are provided with a bias function x m
  • the neurons of the intermediate layer implement different exponential, sigmoidal and polynomial functions f
  • the neurons of the output layer have a sum function ⁇ .
  • the weight factors Cij randomly assigned at the start and the bias inputs x m of the neural network are optimally set iteratively with the back propagation algorithm. In doing so, the set of signal vectors are successively
  • the target function E of the network to be minimized is calculated, e.g. B .:
  • the constants ki and k 2 are arbitrary weight factors, and "spectrum” is a measure obtained from a Fast Fourier Transform (FFT) of the signal vectors, yi and n are the desired output values of the amplifier, ie generally constant times Xi.
  • FFT Fast Fourier Transform
  • ⁇ x m - ⁇ * dE / dx m .
  • FIG. 3 shows how the neural network 2 has learned the inverse amplifier characteristic from heavily noisy measurement data at the RF amplifier output.
  • the amplifier characteristic curve itself can also be approximated.
  • Figure 6 shows the effects achieved by predistortion. Both the old signal vectors X a ⁇ t and the new, distorted signal vectors X were newly fed into the trained neural network 2. As expected, the nonlinear amplifier characteristic for the values X a ⁇ t and the linear characteristic for X ne u.
  • Such a neural network can be fed and trained again and again with newly measured vectors even during operation. In this way, drifts of the amplifier over time and temperature can also be adapted and compensated.
  • the invention has the advantage that the target function to be optimized can be defined flexibly.
  • the target function can consist of any number of arbitrarily weighted individual functions.
  • the target function can be defined differently for different sections of the characteristic curve of the amplifier.
  • the nonlinear characteristic of the amplifier or its inverse characteristic can be determined by the neural network, even if the measurement signal is very noisy.
  • the calculation accuracy is arbitrarily good and only depends on the network size and the computing time.

Abstract

Bei einem Verfahren zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers mittels adaptiver digitaler Predistortion der Eingangssignale des Verstärkers (5) durch Ermittlung von Korrekturwerten, welche aus am Verstärkereingang erfaßten SOLL-Sendesignalen und am Verstärkerausgang erfaßten IST-Sendesignalen approximiert sind, werden am digitalen Basisband-Modulator (1) fortwährend von den SOLL-Sendesignalen abgeleitete I/Q-Daten sowie durch eine Meßeinrichtung (4) am Verstärkerausgang aus den IST-Sendesignalen abgeleitete I/Q-Daten einem neuronalen Netz zur Auswertung und Bildung von Korrekturwerten zugeleitet. Die gebildeten Korrekturwerte werden zum digitalen Basisband-Modulator (1) rückgeführt und der vom digitalen Basisband-Modulator (1) zum Verstärkereingang ausgehende Datenstrom wird mit den im neuronalen Netz gebildeten Korrekturwerten vorverzerrt. Die Vorrichtung zur Durchführung des Verfahrens zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers mittels adaptiver digitaler Predistortion umfaßt einen digitalen Basisband-Modulator (1), welchem ein D/A-Wandler (8), ein HF-Modulator (9) und der HF-Hochleistungsverstärker (5) nachgeschaltet sind, wobei eine Meßeinrichtung (4) zur Ermittlung der I/Q-Daten am Ausgang des HF-Verstärkers (5) über eine Datenleitung (6) und der digitale Basisband-Modulator (1) über eine I/Q-Datenleitung 3 mit einem neuronalen Netz verbunden sind, und eine Korrekturdatenleitung (7) vom neuronalen Netz (2) zum digitalen Basisband-Modulator (1) zurückgeführt ist.

Description

Beschreibung
Verfahren und Vorrichtung zur Linearisierung eines Hochfre- quenz-Hochleistungsverstärkers
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers nach den Oberbegriffen der Patentansprüche 1 und 5 insbeson- dere für Mobilfunk-Basisstationen.
Gattungsgemäße HF-Hochleistungsverstärker, welche z. B. in Mobilfunk-Basisstationen eingesetzt werden, haben im Bereich großer Ausgangsleistungen nahe dem 1 dB-Kompressionspunkt ei- ne gekrümmte und damit stark nichtlineare Kennlinie, wodurch Signale mit großen Amplituden verzerrt bzw. abgeschnitten werden (AM/AM-Konversion) . Darüber hinaus wird auch noch die Phase des abgestrahlten Signales gedreht (AM/PM-Konversion) . Um eine drastische Verbreiterung des Sendespektrums und damit Nachbarkanalstörungen sowie eine Verschlechterung der Modulationsgenauigkeit und die damit verbundene wesentliche Erhöhung der Bitfehlerrate zu vermeiden, ist es bekannt, nur den linearen Teil der Verstärkerkennlinie zu nutzen. Dies ist aber nur für geringe Leistungen sinnvoll. Bei HF-Verstärkern für Basisstationen der zweiten und dritten Mobilfunkgeneration müßten bei Beschränkung auf den linearen Teil der Verstärkerkennlinie Verstärker mit zwei- bis zehnfacher Leistung verwendet werden, wodurch sich die Fertigungskosten der Geräte enorm erhöhen und die Wirkungsgrade der Verstärker er- heblich vermindern würden. Weiterhin würden sich - je nach verwendeten Halbleitern - die Intermodulationseigenschaften verschlechtern.
Um dies zu umgehen ist es weiterhin bekannt, die nichtlineare Kennlinie durch eine geeignete Verzerrung des Eingangssigna- les zu kompensieren. Ein solches Verfahren ist als Vorverzerrung oder Predistortion bekannt und wird bislang vor allem auf analoger Ebene und im Kleinsignalbereich aber auch im digitalen Basisband angewendet. Dies geschieht meist starr, z. B. durch Nutzung von Diodenkennlinien.
Weiterhin sind z.B. aus dem Artikel „Adaptive Digital Predistortion Linearisation" in „Microwaves & RF" 1996, S. 270 bis 275 auch adaptive Vorverzerrungsverfahren bekannt, bei wel- chen die zur Kompensation der aktuellen Nichtlinearität der Verstärkerkennlinie das IST-Sendesignal am Verstärkerausgang gemessen und mit dem SOLL-Sendesignal am Verstärkereingang verglichen wird. Aus der Differenz kann dann unter Zugrundelegung bekannter mathematischer Verfahren (z. B. durch Re- gression, Fehlerpolynom usw.) die erforderliche Vorverzerrung des Eingangssignales bestimmt werden.
Diese bekannten Verfahren und die zu ihrer Durchführung verwendeten Vorrichtungen haben den Nachteil, daß die auf die Linearisierung der Verstärkerkennlinie gerichtete Zielfunktion nicht flexibel sondern lediglich als zu minimierendes Fehlerpolynom definiert werden kann.
Weiterhin ist es nicht möglich, in die Zielfunktion neben der optimalen Approximation der Verstärkerkennlinie auch das Sendespektrum mit einfließen zu lassen.
Schließlich ist es nicht möglich, die nichtlineare Kennlinie des Verstärkers bzw. dessen inverse Kennlinie optimal zu ap- proximieren, wenn das auszuwertende Meßsignal stark verrauscht ist.
Es ist, deshalb Aufgabe der Erfindung, ein Verfahren sowie eine Vorrichtung zur Linearisierung eines Hochfrequenz-Hoch- leistungsverstärkers zu schaffen, mit welchen die vorste- henden Nachteile überwunden werden und mit welchen es möglich ist, die Zielfunktion flexibel und auch bei stark verrauschtem Meßsignal zu definieren und in diese nach mehreren verschiedenen Kriterien gleichzeitig zu optimieren.
Die Aufgabe wird durch die erfindungsgemäßen Merkmale der Patentansprüche 1 und 5 gelöst.
Vorteilhafte Ausführungsformen der Erfindung sind Gegenstand der ünteransprüche 2 bis 4 sowie 6 bis 8.
Die Erfindung soll nachfolgend anhand eines bevorzugten Ausführungsbeispieles in Verbindung mit den Zeichnungen näher erläutert werden.
Die Zeichnungen zeigen:
Figur 1 zeigt schematisch die Struktur einer erfindungsgemäßen Vorrichtung zur Durchführung des erfindungs- gemäßen Verfahrens;
Figur 2 zeigt die Struktur des in die Vorrichtung erfindungsgemäß implementierten neuronalen Netzes;
Figur 3 zeigt die mittels eines neuronalen Netzes nach Figur 2 erfindungsgemäß approximierte inverse Ver- stärkerkennlinie;
Figur 4 zeigt die erfindungsgemäße Approximierung der Ver- Stärkerkennlinie selbst;
Figur 5 zeigt beispielhaft die anhand der approximierten Verstärkerkennlinie vorzunehmende Verzerrung der Basisband-Vektoren X; und Figur 6 zeigt die linearisierte Verstärkerkennlinie nach der Predistortion.
In Figur 1 ist der prinzipielle Aufbau einer erfindungsgemä- ßen Predistortionsvorrichtung mit einem neuronalem Netz 2 dargestellt, wie sie z. B. in einer Basisstations-Endstufe einer Mobilfunkstation eingesetzt werden kann. Als Eingabewerte dienen die originalen I/Q-Daten vom digitalen Basisband-Modulator 1, welche dem neuronalen Netz 2 über eine I/Q- Datenleitung 3 zugeführt werden, sowie die durch eine Meßeinrichtung 4 am Ausgang des HF-Hochleistungsverstärkers 5 ermittelten I/Q-Daten, die dem neuronalen Netz 2 über eine Datenleitung 6 zugeführt werden.
Das neuronale Netz 2 approximiert aus den von der Meßeinrichtung 4 am Verstärkerausgang zugeführten I/Q-Meßdaten die aktuelle Verstärkerkennlinie bzw. deren inverse Kennlinie und bildet unter gleichzeitiger Auswertung der vom digitalen Basisband-Modulator 1 eingehenden I/Q-Daten Korrekturwerte. Diese werden über die Ausgangsleitung 7 zum digitalen Basisband-Modulator 1 zurückgeführt, um den Datenstrom des digitalen Basisband-Modulators 1, bevor er über den D/A-Wandler 8 und den HF-Modulator 9 dem HF-Hochleistungsverstärker 5 zugeführt wird, mit diesen Korrekturwerten vorzuverzerren und auf diese Weise die Nichtlinearität der Kennlinie des HF-Hochleistungsverstärkers 5 zu kompensieren.
Figur 2 zeigt schematisch die Struktur des neuronalen Netzes. Es umfaßt eine Eingangsschicht 11, eine Zwischenschicht 12 und eine Ausgangsschicht 13, die untereinander mit gewichte- ten Kanten vernetzt sind. Die Neuronen der Eingangsschicht 11 sind mit einer Biasfunktion xm versehen, die Neuronen der Zwischenschicht realisieren unterschiedliche exponentielle, sigmoidale und polynomische Funktionen f und die Neuronen der Ausgangsschicht haben eine Summen-Funktion ∑. Die beim Start zufällig belegten Gewichtsfaktoren Cij und die Bias-Inputs xm des neuronalen Netzwerkes werden iterativ mit dem Backpropagation-Algorithmus optimal eingestellt. Dabei werden nacheinander die Menge der Signalvektoren
X = {xi, x2, ... xn}r die jeweils aus Betrag und Phase bestehen, als Input eingespeist und der jeweils momentane Output des Netzwerkes Y = {yi, y2, • • . yn} berechnet. Anhand Y wird die zu minimierende Zielfunktion E des Netzwerkes berechnet, z. B.:
E = kι*sum (yi - i son) 2 + k2* (spektrum - Spektrum soιι)2-
Die Konstanten ki und k2 sind beliebige Gewichtsfaktoren, und „spektrum" ist eine aus einer Fast-Fourier-Transformation (FFT) der Signalvektoren gewonnene Maßzahl, yi son sind die gewünschten Ausgabewerte des Verstärkers, d. h. im allgemeinen Konstante mal Xi. Mit einer Gradientenabstiegs-Methode werden anschließend die Gewichtsfaktoren und Bias-Inputs des Netzwerks nachjustiert:
Figure imgf000007_0001
Δxm = - γ * dE / dxm.
Figur 3 zeigt, wie das neuronale Netz 2 die inverse Verstärkerkennlinie aus stark verrauschten Meßdaten am HF-Verstärkerausgang gelernt hat. Als Alternative kann - wie in Figur 4 dargestellt - auch die Verstärkerkennlinie selbst approximiert werden.
Anhand der gekrümmten Kennlinie aus Figur 3 oder Figur 4 kann nun im Vergleich mit einer idealen linearen Funktion gemäß Figur 5 die Abbildungsfunktion Xalt = > Xneu bestimmt werden (hier nur für die Amplituden dargestellt) , um den Datenstrom aus dem digitalen Basisband-Modulator 1 in geeigneter Weise zu verzerren und am Ausgang des HF-Verstärkers 5 die gewünschten linearisierten Amplituden und Phasenwerte zu erhalten.
Figur 6 zeigt die durch die Predistortion erzielten Effekte. In das trainierte neuronale Netz 2 wurden sowohl die alten Signalvektoren Xaιt als auch die neuen, verzerrten Signalvektoren Xneu eingespeist. Wie erwartet ergibt sich die nichtlineare Verstärkerkennlinie für die Werte Xaιt und die lineare Kennlinie für Xneu.
Ein solches neuronales Netz kann auch während des Betriebes immer wieder mit neu gemessenen Vektoren gespeist und trainiert werden. Damit lassen sich dann auch Drifts des Verstär- kers über Zeit und Temperatur adaptieren und kompensieren.
Die Erfindung hat den Vorteil, daß die zu optimierende Zielfunktion flexibel definiert werden kann. Die Zielfunktion kann aus beliebig vielen, beliebig gewichteten Einzelfunktio- nen bestehen. Außerdem kann die Zielfunktion für verschiedene Teilstücke der Kennlinie des Verstärkers unterschiedlich definiert werden.
Durch das neuronale Netz kann die nichtlineare Kennlinie des Verstärkers bzw. dessen inverse Kennlinie bestimmt werden, selbst wenn das Meßsignal stark verrauscht ist.
Die Berechnungsgenauigkeit ist beliebig gut und hängt nur von der Netzgröße sowie der Rechenzeit ab.

Claims

Patentansprüche
1. Verfahren zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers (5) mittels adaptiver digitaler Predistor- tion der Eingangssignale des Verstärkers durch Ermittlung von Korrekturwerten, die aus am Verstärkereingang erfaßten SOLL- Sendesignalen und am Verstärkerausgang erfaßten IST-Sendesignalen approximiert werden, dadurch gekennzeichnet, daß am digitalen Basisband- Modulator (1) fortwährend von den SOLL-Sendesignalen abgeleitete I/Q-Daten sowie durch eine Meßeinrichtung (4) am Verstärkerausgang aus den IST-Sendesignalen abgeleitete I/Q- Daten einem neuronalen Netz (2) zur Auswertung und Bildung von Korrekturwerten zugeleitet/ die gebildeten Korrekturwerte zum digitalen Basisband-Modulator (1) rückgeführt werden und der vom digitalen Basisband-Modulator (1) zum Verstärkereingang ausgehende Datenstrom mit den im neuronalen Netz (2) gebildeten Korrekturwerten vorverzerrt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Kantengewichte des neuronalen Netzes (2) zur Kopplung zwischen den Neuronen bei der Auswertung der aus den IST-Sendesignalen am Ausgang des HF-Verstärkers (5) abgeleiteten I/Q-Daten schrittweise solan- ge verändert werden, bis die Kennlinie des HF-Verstärkers (5) optimal approximiert ist.
3. Verfahren nach Anspruch 1 und/oder 2, dadurch gekennzeichnet, daß die Zielfunktion aus beliebig vielen, beliebig gewichteten Einzelfunktionen definiert wird.
4. Verfahren nach Anspruch 3, d a d u r c h g e k e n n z e i c h n e t , daß das Sendespektrum in die Definition der Zielfunktion einfließt .
5. Vorrichtung zur Durchführung des Verfahrens zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers (5) mittels adaptiver digitaler Predistortion nach Anspruch 1, um- fassend einen digitalen Basisband-Modulator (1) , welchem ein D/A-Wandler (8), ein HF-Modulator (9) und der HF-Hochleistungsverstärker (5) nachgeschaltet sind, dadurch gekennzeichnet, daß eine Meßeinrichtung (4) zur Ermittlung der I/Q-Daten am Ausgang des HF-Verstärkers (5) über eine Da- tenleitung (6) und eine I/Q-Datenleitung (3) vom digitalen
Basisband-Modulator (1) mit einem neuronalen Netz (2) verbunden sind, und eine Korrekturdatenleitung (7) vom neuronalen Netz (2) zum digitalen Basisband-Modulator (1) zurückgeführt ist.
6. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, daß das neuronale Netz (2) variable Bias-Inputs besitzt.
7. Vorrichtung nach Anspruch 5 oder 6, dadurch gekennzeichnet, daß die Neuronen (11, 12, 13) beliebige digitale und analoge Kennlinien aufweisen.
8. Vorrichtung nach einem oder mehreren der Ansprüche 5 bis 7, dadurch gekennzeichnet, daß das neuronale Netz (2) mittels Software aus einem Signalprozessor gebildet ist.
PCT/DE2001/000050 2000-01-13 2001-01-09 Verfahren und vorrichtung zur linearisierung eines hochfrequenz-hochleistungsverstärkers WO2001052405A2 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US10/181,196 US7274749B2 (en) 2000-01-13 2001-01-09 Method and apparatus for the linearization of a radio frequency high-power amplifier
JP2001552515A JP2003520478A (ja) 2000-01-13 2001-01-09 高周波高電力増幅器を直線化する方法及び装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE10001151.9 2000-01-13
DE10001151A DE10001151A1 (de) 2000-01-13 2000-01-13 Verfahren und Vorrichtung zur Linearisierung eines Hochfrequenz-Hochleistungsverstärkers

Publications (2)

Publication Number Publication Date
WO2001052405A2 true WO2001052405A2 (de) 2001-07-19
WO2001052405A3 WO2001052405A3 (de) 2002-03-28

Family

ID=7627392

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2001/000050 WO2001052405A2 (de) 2000-01-13 2001-01-09 Verfahren und vorrichtung zur linearisierung eines hochfrequenz-hochleistungsverstärkers

Country Status (4)

Country Link
US (1) US7274749B2 (de)
JP (1) JP2003520478A (de)
DE (1) DE10001151A1 (de)
WO (1) WO2001052405A2 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9872260B2 (en) 2013-12-06 2018-01-16 Fujitsu Limited Power adjustment method, computer-readable recording medium and power adjustment apparatus

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7248642B1 (en) 2002-02-05 2007-07-24 Andrew Corporation Frequency-dependent phase pre-distortion for reducing spurious emissions in communication networks
US7197085B1 (en) 2002-03-08 2007-03-27 Andrew Corporation Frequency-dependent magnitude pre-distortion for reducing spurious emissions in communication networks
US7266159B2 (en) * 2002-03-08 2007-09-04 Andrew Corporation Frequency-dependent magnitude pre-distortion on non-baseband input signals for reducing spurious emissions in communication networks
US7139327B2 (en) * 2002-06-10 2006-11-21 Andrew Corporation Digital pre-distortion of input signals for reducing spurious emissions in communication networks
US7251293B2 (en) * 2003-06-27 2007-07-31 Andrew Corporation Digital pre-distortion for the linearization of power amplifiers with asymmetrical characteristics
GB2407929A (en) * 2003-11-05 2005-05-11 Motorola Inc A predistorter for a polar transmitter, using look-up tables and interpolation, and possessing a simple training procedure.
US9703892B2 (en) 2005-09-14 2017-07-11 Millennial Media Llc Predictive text completion for a mobile communication facility
US8711976B2 (en) 2011-05-12 2014-04-29 Andrew Llc Pre-distortion architecture for compensating non-linear effects
US8633769B2 (en) 2012-03-15 2014-01-21 Telefonaktiebolaget L M Ericsson (Publ) Dual loop adaptation digital predistortion architecture for power amplifiers
EP3581953A1 (de) 2018-06-11 2019-12-18 Koninklijke Philips N.V. Verfahren zur konfiguration einer rf-übertragungsanordnung
CN110533169A (zh) * 2019-08-30 2019-12-03 海南电网有限责任公司 一种基于复值神经网络模型的数字预失真方法及系统
WO2021106033A1 (ja) * 2019-11-25 2021-06-03 三菱電機株式会社 歪み補償装置及び歪み補償方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2517410B2 (ja) * 1989-05-15 1996-07-24 三菱電機株式会社 学習機能付集積回路装置
US5086479A (en) * 1989-06-30 1992-02-04 Hitachi, Ltd. Information processing system using neural network learning function
US5077619A (en) * 1989-10-25 1991-12-31 Tacan Corporation High linearity optical transmitter
JPH07210207A (ja) * 1994-01-17 1995-08-11 Hitachi Ltd 適応制御装置
US6108385A (en) * 1996-07-08 2000-08-22 Silicon Wireless Limited Method and apparatus for reducing intermodulation distortion in digital wideband transmission systems
GB9811381D0 (en) * 1998-05-27 1998-07-22 Nokia Mobile Phones Ltd Predistortion control for power reduction
US6281936B1 (en) * 1999-05-14 2001-08-28 Harris Corporation Broadcast transmission system with sampling and correction arrangement for correcting distortion caused by amplifying and signal conditioning components
US6236837B1 (en) * 1998-07-30 2001-05-22 Motorola, Inc. Polynomial Predistortion linearizing device, method, phone and base station
US6625227B1 (en) * 1999-09-30 2003-09-23 Ericsson Inc. Artificial ramping of transmit power for burst transmissions

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BENVENUTO ET AL: "A neural network approach to data predistortion with memory in digital radio systems" PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC). GENEVA, MAY 23 - 26, 1993, NEW YORK, IEEE, US, Bd. 3, 23. Mai 1993 (1993-05-23), Seiten 232-236, XP010136900 ISBN: 0-7803-0950-2 *
BENVENUTO N ET AL: "GENERALISED BACKPROPAGATION ALGORITHM FOR TRAINING A DATA PREDISTORTER WITH MEMORY IN RADIO SYSTEMS" METAL FINISHING, ELSEVIER SCIENCE PUBLISHING, NEW YORK, NY, US, Bd. 94, Nr. 9, 26. September 1996 (1996-09-26), Seiten 1925-1926, XP000637913 ISSN: 0026-0576 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9872260B2 (en) 2013-12-06 2018-01-16 Fujitsu Limited Power adjustment method, computer-readable recording medium and power adjustment apparatus

Also Published As

Publication number Publication date
JP2003520478A (ja) 2003-07-02
US7274749B2 (en) 2007-09-25
DE10001151A1 (de) 2001-07-26
US20030076896A1 (en) 2003-04-24
WO2001052405A3 (de) 2002-03-28

Similar Documents

Publication Publication Date Title
DE60124728T2 (de) Sender mit einem zusammensetzungsverstärker
DE102015119904B4 (de) Einrichtung und Verfahren für digitale Vorverzerrungssysteme mit Doppelschleifenleistungsverstärker
DE69718304T2 (de) Adaptive verzerrungskompensationsschaltung für verstärker
DE60033820T2 (de) Parallelverstärkerarchitektur mit digitalen phasenregelungstechniken
DE60218465T2 (de) Zusammengesetzter verstärker mit optimierter linearität und effizienz
DE60006674T2 (de) Verminderung von signalverzerrungen
WO2001052405A2 (de) Verfahren und vorrichtung zur linearisierung eines hochfrequenz-hochleistungsverstärkers
DE60203672T2 (de) Mehrstufiges und/oder verschachteltes Vorverzerrungssystem und Verfahren
DE60212687T2 (de) Verfahren zur nichtlinearen modellierung
DE602005006119T2 (de) Editierverfahren für Konfigurationsdaten eines Telekommunikationssystems sowie Computerprodukt und Server dafür
DE102016110733A1 (de) Vorrichtungen und Verfahren für eine adaptive Scheitelfaktor-Reduktion bei der dynamischen Vorverzerrung
DE10320420B4 (de) Anordnung und Verfahren zur digitalen Vorverzerrung eines komplexen Basisband-Eingangssignals
DE102012202992A1 (de) Gemeinsame adaptive arbeitspunkteinstellung und digitale vorverzerrung für leistungsverstärker
DE10392344T5 (de) Frequenzabhängige Amplitudenvorverzerrung zum Abschwächen von Störemissionen in Übertragungsnetzen
DE102004002239A1 (de) Unkorrelierter adaptiver Vorverzerrer
DE102006035817A1 (de) Einrichtung und Verfahren zum dynamischen Anpassen der Teilung einer Look-up-Tabelle zum linearisieren eines Leistungsverstärkers
DE10392496T5 (de) Adaptive Digitale Vorverzerrung aufgrund eines Verstärkermodells mit frequenzabhängigen Nichtlinearitäten
EP1759508B1 (de) Verfahren und vorrichtung zur gleichzeitigen kompensation von signalfehlern in iq-modulatoren
DE60125739T2 (de) Vorrichtung zur erzeugung eines phasen- und amplitudenmodulierten hochfrequenzsignals
DE102008053296A1 (de) Schaltung für eine Schleifenantenne und Verfahren zur Abstimmung
DE102005025676B4 (de) Verfahren zum Erzeugen eines Systems für eine Repräsentation eines elektrischen Netzwerks und Verwendung des Verfahrens
DE60313036T2 (de) Signaljustierung basierend auf phasenfehler
DE69938488T2 (de) Geschachteltes vorwärtsgekoppeltes System zur Reduzierung von Verzerrungen
EP1195005A1 (de) Vorrichtung und verfahren zum vorverzerren eines über eine nicht-lineare übertragungsstrecke zu übertragenden übertragungssignals
DE102008054070A1 (de) Vorrichtung und Verfahren zur frequenzselektiven Belegungserfassung

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): CN JP US

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
AK Designated states

Kind code of ref document: A3

Designated state(s): CN JP US

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

ENP Entry into the national phase

Ref country code: JP

Ref document number: 2001 552515

Kind code of ref document: A

Format of ref document f/p: F

WWE Wipo information: entry into national phase

Ref document number: 10181196

Country of ref document: US

122 Ep: pct application non-entry in european phase